回帰分析とは、ある指標（目的変数）に対して、複数の要因（説明変数）がどの程度関係しているかを数式で表し、予測や要因の影響度の把握に使う統計手法です。線形回帰のように直線で関係を近似する方法から、非線形の関係を扱う拡張まで、目的とデータに応じて種類があります。
回帰分析を行うと、売上や解約率の変動に対して、価格や広告費、利用頻度などがどれだけ影響していそうかを定量的に比較可能です。一般的なモデルでは、係数の符号が影響の方向（増える／減る）を示し、係数の大きさが影響の強さの目安になります。ただし、相関が高い変数が混ざると係数が不安定になり、因果関係まで断定できない点には注意が必要でしょう。
たとえばSaaSでは、月次の解約率を目的変数にして「オンボーディング完了の有無」「ログイン回数」「サポート対応回数」などを説明変数に置き、どの要因が解約と結びつきやすいかを確認します。広告運用でも、売上を目的変数にして媒体別の出稿額や指名検索数を入れ、予算配分の検討材料にする使い方が一般的です。精度と解釈を担保するために、外れ値処理、欠損補完、学習データと検証データの分割、残差の確認などをセットで行うと実務に乗りやすくなります。
